ViMDT:用于肺癌多学科治疗的临床数据视觉分析工具
Weiwei Zhu1,2, Xiaodong Jiang3, Lei Zhang4
1University of Science and Technology of China, Hefei, 230026, Anhui, China.
Clinical and experimental medicine
|January 12, 2026
概括
这项研究引入了一种新的临床数据可视化工具,以增强多学科团队 (MDT) 癌症护理. 该工具显著减少了决策时间,并有助于预测针对个性化癌症治疗的抗瘤药物疗效.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 多学科治疗 (MDT) 对于个性化癌症诊断和治疗规划至关重要.
- 目前的MDT实践缺乏专门的临床数据可视化工具,阻碍了有效的决策.
- 大规模,复杂的患者数据需要先进的方法进行全面分析.
研究的目的:
- 开发和评估一种针对MDT癌症治疗的新型临床数据分析和可视化工具.
- 提高MDT决策过程的效率和有效性.
- 为了能够个性化预测抗瘤药物的疗效.
主要方法:
- 开发了一种可视化工具,用于整合非结构化临床数据的潜在迪里克莱特分配 (LDA).
- 采用Z-Score-3σ转换和结构化临床数据分析的等级策略.
- 提出了一种方法来预测抗瘤药物的疗效,使用从患者数据中获得的主题关键词.
主要成果:
- 与非工具用户相比,可视化工具将MDT决策时间减少了26.17%.
- 该药物有效性预测模型在958名非小细胞肺癌患者的数据集上实现了71.08%的准确性.
- 该工具有效地可视化复杂的临床数据,帮助医生完成MDT任务.
结论:
- 开发的临床数据可视化工具提高了MDT的效率,并支持个性化癌症治疗策略.
- 该工具为管理和解释瘤学中大规模临床数据提供了有价值的解决方案.
- 药物疗效的预测建模显示了优化抗瘤治疗选择的前景.
